登录社区云，与社区用户共同成长
邀请您加入社区
Flutter for OpenHarmony实战：Hydrated BLoC实现状态持久化 本文介绍了如何在OpenHarmony平台使用Hydrated BLoC实现Flutter应用状态持久化。Hydrated BLoC通过自动JSON序列化和磁盘I/O，将BLoC状态保存到鸿蒙文件系统，实现应用重启后状态恢复。文章详细讲解了核心机制、环境配置方法，并通过主题记忆、列表过滤等场景展示实际应用
本文深入探讨了在Flutter for OpenHarmony开发中如何通过自定义ImageProvider实现高效的图片加载与缓存机制。文章详细解析了ImageProvider的工作流程，包括图片标识生成和字节流加载解码。通过实战案例展示了如何加载加密或特殊协议存储的本地资源，并提供了优雅的加载占位方案。针对OpenHarmony平台特性，重点介绍了适配鸿蒙原生PixelMap、内存优化以及宽屏
摘要： 企业数字化转型面临传统开发模式效率低下的痛点，无代码平台与大模型的结合成为革命性解决方案。无代码平台（如OutSystems、Bubble）通过可视化界面将开发效率提升10倍，而大模型（如GPT-4）能自动将自然语言需求转化为可执行逻辑，实现业务智能翻译。两者深度集成后，企业数字化流程从“需求输入→应用上线”实现全链路自动化，开发周期缩短70%，成本降低84%。实战案例展示如何通过Pyth
缓存的准确性完全依赖于Key的唯一性——Key必须包含所有影响大模型输出的因素。Key的组成要素提示模板ID（唯一标识固定的提示结构）；动态变量（如cityuser_id，影响输出的个性化部分）；大模型参数（如top_p，影响输出的随机性）。Value的组成要素大模型的响应结果；生成时间（用于计算有效期）；过期时间（TTL，避免缓存过时）；元数据（如提示模板版本、模型版本）。代码示例：生成唯一缓存
本文深入探讨React Native应用中TanStack Query（原React Query）在OpenHarmony 6.0.0平台上的缓存策略实现与性能优化。文章系统分析TanStack Query核心机制、缓存生命周期管理、动态策略调整以及持久化方案，通过架构图、状态图和参数对比表详细阐述staleTime、cacheTime等关键配置项的应用场景。所有内容基于React Native
本文深入探讨React Native应用中SWR（Stale-While-Revalidate）数据请求缓存在OpenHarmony 6.0.0平台上的实战应用。文章系统解析SWR核心原理、在OpenHarmony环境下的适配要点、最佳实践及性能优化策略，通过架构图、流程图和对比表详细阐述关键技术细节。所有内容基于React Native 0.72.5和TypeScript 4.8.4技术栈，已在
本文深入剖析React Native中`useMemo`钩子在OpenHarmony平台的实战应用，系统讲解计算缓存原理、性能优化技巧及平台适配要点。
AI 技术发展得太快了，每隔几个月就有新概念冒出来。但很多时候，真正能帮你省钱提效的，不是那些最新最炫的技术，而是这些藏在底层的优化技巧。提示缓存就是这样一个技巧。它不性感，不酷炫，但实实在在能帮你省一半的成本。如果你也在做 AI 应用，不管是聊天机器人、文档总结、还是代码生成，都可以试试提示缓存。记住三个要点就行了。第一，提示缓存缓存的是输入的中间计算结果，不是输出。第二，把静态内容放在提示词前
内存层次优化是高性能计算的核心挑战，也是 PyPTO 设计的重中之重。通过显式的内存层次模型、灵活的缓存优化技术和智能的数据复用策略，PyPTO 为开发者提供了前所未有的内存控制能力。掌握这些技术不仅能显著提升程序性能，更能培养内存意识和系统思维——这是构建下一代高效 AI 系统的关键素养。随着硬件架构的持续演进和 AI 模型的不断复杂化，精细化的内存管理将成为区分普通程序与高性能程序的关键因素。
算子缓存与复用是ops-nn性能优化的“隐形引擎”。它不改变算法逻辑，却能在幕后默默提升吞吐、降低延迟、节省资源。理解并善用这套机制，是每一位昇腾开发者迈向高性能推理的必经之路。未来，随着与建木低代码平台的集成，缓存策略甚至可由 AI 自动推荐——让性能优化真正“智能化”。🔗相关链接。
本文针对网络图片重复加载问题提出优化方案，主要包括三方面改进：1）引入图片缓存服务(ImageCacheService)，实现单例Dio请求和LRU内存缓存机制，最多缓存80张图片；2）重构NetworkImageWidget组件，支持加载中和失败时的占位图显示，提供默认占位图资源；3）在清除缓存功能中同步清理图片内存缓存。优化后同一图片URL仅下载一次，减少流量消耗和连接数，提升加载速度和用户体
首先来看看常见的资源访问地址模式：代码语言：Bash自动换行AI代码解释如果没有使用restful，那么Nginx的配置文件需要这样配置：展开代码语言：JSON自动换行AI代码解释} } }显得有些复杂和固化。如果使用restful，就可以这样配置：展开代码语言：JSON自动换行AI代码解释如果conf的内容过长，还可以进行模块化配置，使用include引用：比如把下面的：展开代码语言：Bash自
算子开发中的 Tile 策略是实现昇腾 AI 处理器高性能的关键。它本质上是对内存层次结构的一次精细化调度，旨在最大化 L1/L2 缓存的命中率和数据重用率。通过对ops-nn等开源仓库中算子实现的分析，我们可以看到，成功的 Tile 策略需要精确计算 L1 和 L2 的容量限制，并设计出与 AI Core 计算模式完美匹配的循环结构和数据加载顺序。掌握 L1/L2 缓存的访存优化，是每一位资深昇
的自动设备发现机制是昇腾计算平台“开箱即用”体验的核心保障。高度抽象：屏蔽了复杂的 PCIe 拓扑和底层驱动调用细节。鲁棒性：结合健康检查机制，确保只有就绪的硬件参与计算。标准化：为上层框架（如 MindSpore 或 PyTorch）提供了统一的逻辑设备视图。对于希望深入了解昇腾算力底层的开发者，建议深入研读CANN 组织下的这一开源仓库。理解了设备发现，就掌握了开启昇腾高效计算大门的钥匙。本文
长文本流式生成是 AI 应用落地的关键瓶颈，而底层的算子优化则是破局的核心。不仅仅是一个算子库，它是昇腾架构对大模型趋势的深度回应。通过对内存管理的重构（PagedAttention）和计算流水的极致压榨（FlashAttention），它为开发者在昇腾平台上构建长文本应用提供了坚实的底座。欢迎广大开发者访问CANN 组织参与社区贡献，共同推动昇腾 AI 生态的繁荣。
HCCL 不仅仅是一个通信库，它更是一个极致追求资源效率的内存管理大师。通过在AtomGit 上的开源代码，我们可以看到华为 CANN 专家在处理高并发、大流量通信时的设计匠心。对于开发者而言，深入理解 HCCL 的内存复用机制，不仅有助于优化模型训练的性能，更能为自定义分布式算子的开发提供宝贵的架构参考。欢迎广大开发者访问CANN 组织主页，共同参与到昇腾生态的建设中，探索 AI 计算的无限可能
通过对ops-nn仓库的深入研究，我们可以发现，优秀的算子实现并非简单的公式翻译，而是一场关于内存与计算的“空间折叠”游戏。Tile 切分解决了“放不下”的问题，通过精细的动态切分算法，实现了对任意 Shape 的兼容。缓存对齐解决了“跑不快”的问题，通过对底层硬件访存特性的极致利用，确保了带宽的利用率。对于希望在CANN平台上进行深度优化的开发者来说，ops-nn不仅仅是一个仓库，更是一本关于高
本文深入解析CANN项目中ops-nn算子库的卷积优化技术，重点聚焦Winograd分块策略在conv2d_tiling.cpp中的实现。通过逐行分析get_tiling_strategy()函数，揭示其智能分块机制如何根据硬件缓存规格动态调整分块尺寸，确保L1缓存命中率最大化。在StableDiffusionUNet网络的实际应用中，该技术使Conv2D操作的显存带宽利用率提升28%，推理延迟降
Catlass 算子模板库是 CANN 架构中高性能矩阵运算的实现基石。它通过模板元编程、对 Cube 单元的深度 Tiling 适配以及高效的算子融合技术，有效地解决了深度学习计算中的访存和计算瓶颈，为模型提供了最直接、最高效的线性代数加速能力。
Catlass 算子模板库是 CANN 架构实现高性能矩阵运算的核心工具。它通过Tiling 优化、片上缓存复用、算子融合以及静态模板实例化，将 GEMM 算子推向了硬件的理论极限。通过 Profiling 分析 Cube Unit 的利用率，调整 Tiling 块尺寸以最佳匹配 L0 缓存大小。确保输入数据布局满足硬件要求，以最大化 DMA 搬运效率。尽可能利用融合模板，将激活函数和偏置操作内联
Catlass 算子模板库通过 C++ 模板化、高性能 GEMM 内核的封装以及对内存层级的精细控制，为昇腾硬件提供了最快的基础线性代数加速能力。其融合算子特性有效解决了访存墙问题，是 CANN 架构中实现大规模模型高性能运行的核心工具。
本文档介绍了App首页数据缓存的实现方案，通过SharedPreferences持久化存储作品列表数据，优化用户启动体验。主要实现内容包括：1)新增HomeCacheService管理缓存的读写清除；2)首页启动流程改为先读缓存再静默刷新；3)网络请求成功后更新缓存。该方案解决了首屏空白等待问题，同时保证数据时效性，设置页支持一键清除缓存。关键点包括缓存服务设计、静默刷新逻辑和异常处理，适用于中小
ops-nn仓库是 CANN 体系中实现高性能深度学习算子的基石。它通过清晰的分层架构、对 TBE/CCE 的有效利用，以及对昇腾硬件特性的深度洞察，成功地将高层的 AI 需求转化为高效的底层执行代码。深入理解ops-nn的设计哲学，特别是其如何平衡抽象层与硬件效率，对于任何希望在昇腾平台上进行深度定制或性能调优的开发者而言，都是至关重要的。CANN 组织在 AtomGit 上的持续迭代，确保了算
Flutter for OpenHarmony 实战：flutter_image 图片加载优化 本文介绍了在OpenHarmony平台上使用flutter_image库优化图片加载体验的方法。该库由Flutter官方维护，核心功能是NetworkImageWithRetry，可在网络不稳定时自动进行指数退避重试，显著提升用户体验。 文章重点讲解了： 安装配置：需在pubspec.yaml中添加依赖
在移动开发领域，我们总是面临着选择与适配。今天，你的Flutter应用在Android和iOS上跑得正欢，明天可能就需要考虑一个新的平台：HarmonyOS（鸿蒙）。这不是一道选答题，而是很多团队正在面对的现实。Flutter的优势很明确——写一套代码，就能在两个主要平台上运行，开发体验流畅。而鸿蒙代表的是下一个时代的互联生态，它不仅仅是手机系统，更着眼于未来全场景的体验。
本文深入探讨了在FastAPI项目中集成Redis以解决高并发性能瓶颈和分布式资源竞争问题。内容涵盖Redis的快速安装部署、与FastAPI框架的优雅集成方式、使用缓存提升接口性能10倍以上的实战代码，以及利用Redis分布式锁防止超卖等并发场景的完整解决方案。文章提供了可直接复用的代码片段和关键注意事项，帮助开发者快速落地实践
【代码】Redis入门指南：从零到分布式缓存-hash与list类型。
使用ehcache3+redisson，实现本地缓存配置管理及分布本地缓存更新方案。项目使用springboot3.1.7 gradle8.5。2）cache配置 jcache-----application.properties。两个服务80与8080端口，80端口服务更新数据，两个服务订阅变更消息更新缓存；1）开启注解-----spingboot启动类或配置类。再次测试80服务数据变更后，获取
缓存
——缓存
联系我们（工作时间：8:30-22:00）
400-660-0108 kefu@csdn.net
人工智能6S服务平台
2048 AI社区
开源鸿蒙跨平台开发者社区
昇腾开源生态专区
深开鸿 技术专区
